課程結構 (2026/27學年)
所有學生必須完成共 30 個學分，包括 5 門必修科目和任意 5 門選修科目，才能獲得此碩士學位。這些科目可以包含不同組合的講課、實驗課、教學和/或研討會。MScIDA 課程的正常修讀期限為一年全日制學習。學生最多可延長修讀期限至三年，但須經課程總監和學部主管的批准。
課程結構
| 必修科目 (15個學分) |
| 1. 策略性可視化數據分析 (3個學分) |
| 2. 生成式人工智能輔助编程 (3個學分) |
| 3. 智慧互聯與融合 (3個學分) |
| 4. 智能控制與 AI 驅動分析 (3個學分) |
| 5. 工業數據分析專題研究 (3個學分) |
選修科目 (任選五門 (15個學分))* |
| 1. 具身智能概論 (3個學分) |
| 2. 數字孿生概論 (3個學分) |
| 3. 大型語言模型概論 (3個學分) |
| 4. 深度學習的實際應用 (3個學分) |
| 5. 大數據分析 (3個學分) |
| 6. 醫療保健分析 (3個學分) |
| 7. 區塊鏈應用實務 (3個學分) |
| 8. 智慧物流 (3個學分) |
| 9. 運籌學 (3個學分) |
| 10. 城市數據科學與分析 (3個學分) |
| 11. 創新管理 (3個學分) |
| 12. 初創社會企業的創業領導力 (3個學分) |
| 13. 樂齡科技與設計：應對老齡化社會 (3個學分) |
| 14. 環境、社會與治理 (ESG) 規劃導論 (3個學分) |
*選修科目開設與否取決於學生需求及學部教師的教學安排。
未曾修讀過計算機科學或統計學科目，或對這些科目認識較少的申請者需於本課程開始之前完成相應預科科目:
- 計算概論
- 統計學
學習進度
在學習進度方面，學生必須達到累計 GPA 2.50 或以上，才能進入下一學期。未能達到此要求的學生，通常將在下一學期被列為學業觀察名單，或被終止修讀。
畢業
學生必須修畢 10 門科目（即 5 門必修科目和 5 門選修科目），並累計取得最少 30 個學分，並達到累計 GPA 2.67 或以上才能畢業。若學生未能符合碩士學位的畢業要求，將獲頒授深造文憑。具體而言，要獲頒由嶺南大學頒發的工業數據分析深造文憑，學生必須修畢任何 4 門必修科目，並達到累計 GPA 2.33 或以上。